基于TSFFCNN-PSO-SVM的飞机起落架液压系统故障诊断

【类型】期刊

【作者】冯东洋  姜春英  鲁墨武  叶长龙  李胜宇 

【刊名】航空动力学报

【关键词】 双路特征融合卷积神经网络(TSFFCNN),特征融合,飞机起落架液压系统,故障诊断,SVM),粒子群优化支持向量机(PSO

【摘要】针对飞机起落架液压系统故障诊断精度低，深层故障特征提取困难的问题，提出了一种基于双路特征融合卷积神经网络（TSFFCNN）与粒子群优化支持向量机（PSO-SVM）结合的起落架液压系统故障诊断模型。该诊断模型以起落架多节点压力信号作为输入，采用一维卷积神经网络（1DCNN）与二维卷积神经网络（2DCNN）并行多通道网络结构自适应提取深层特征信息，并在融合层将深层特征信息融合，通过优化后的SVM分类器对融合特征进行故障分类。为验证所提诊断模型的故障分类效果，基于AMESim搭建了典型飞机起落架液压系统仿真模型，构建了几种典型故障类型数据集。基于仿真数据的诊断结果表明，所提故障诊断算法精度能达到99.37%，能够有效实现起落架液压系统故障诊断；与其他智能算法对比，基于TSFFCNNPSO-SVM故障诊断模型具有更好的平稳性与可靠性，诊断精度更高。

【年份】2024

【作者单位】沈阳航空航天大学机电工程学院;沈阳航空航天大学计算机学院;

【期号】01

【页码】192-204